IA, machine learning y deep learning: la diferencia sin complicaciones

IA. Machine learning. Deep learning.

Tres términos que se usan como si fueran lo mismo en cualquier reunión. Y no lo son.

Aquí tienes la diferencia, sin complicaciones y sin matemáticas.

Cada uno, en una frase

La inteligencia artificial (IA) es el gran objetivo: máquinas que hacen cosas que normalmente requieren inteligencia humana.

El machine learning (ML) es la principal forma de conseguirlo: en vez de programar reglas, dejamos que las máquinas aprendan patrones a partir de datos.

El deep learning es el tipo de machine learning más potente: aprende con redes neuronales de muchas capas, inspiradas a grandes rasgos en el cerebro.

Imagínate tres círculos, uno dentro de otro. La IA es el más grande. El ML está dentro de la IA. Y el deep learning, dentro del ML.

Un ejemplo: detectar spam

IA clásica (reglas): alguien programa las reglas a mano. «Si el correo contiene DINERO GRATIS, márcalo como spam». Funciona hasta que quienes envían spam escriben «D1NERO GR4TIS».

Machine learning: le muestras al sistema 100.000 correos etiquetados como spam o no spam. Aprende los patrones por su cuenta, sin reglas escritas a mano. Explico esta familia de modelos en Clasificación en machine learning.

Deep learning: la misma idea, pero la red aprende a identificar sus propias características a partir del texto sin procesar. Patrones sutiles entre palabras que a nadie se le ocurriría definir. Más datos, más capas, mejores resultados.

Por qué el deep learning lo cambió todo

Hasta alrededor de 2012, el machine learning necesitaba que las personas definieran en qué fijarse (las «características»).

El deep learning eliminó ese cuello de botella. Dale píxeles, audio o texto sin procesar y averiguará qué importa.

Ese único cambio nos trajo el reconocimiento moderno de imágenes y de voz, la traducción y, con el tiempo, los grandes modelos de lenguaje como ChatGPT y Claude. Son deep learning aplicado al texto a una escala enorme. (Te cuento más sobre ellos en ¿Qué es un LLM?)

¿Dónde encajan las herramientas de IA actuales?

ChatGPT, Claude y Gemini son modelos de deep learning. Así que también son machine learning y también son IA. Técnicamente, las tres etiquetas son correctas.

Cuando alguien dice «usamos IA», la pregunta útil que puedes hacerle es: ¿de qué tipo y de qué aprende?

Y los siguientes términos que suelen confundirse —IA, AGI y ASI, los niveles de capacidad— los explico en IA, AGI y ASI.

La chuleta

IA = el objetivo (máquinas inteligentes).
ML = el método (aprender de los datos en lugar de seguir reglas).
Deep learning = el método que permite trabajar a gran escala (redes por capas que aprenden a identificar sus propias características).
LLM = deep learning aplicado al lenguaje: el motor del auge actual de la IA.

Un paso más allá

Si ahora lo ves claro, las siguientes piezas del puzle son el aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje semisupervisado: las tres formas en que aprenden las máquinas.

O sáltate la teoría y pasa a la práctica: mi curso gratuito 10-day AI Crash Course cubre lo esencial con un correo al día. No necesitas un doctorado.

¿Te pica la curiosidad por saber cómo hemos llegado hasta aquí? Echa un vistazo a la infografía con la cronología completa de la IA, desde el test de Turing hasta hoy.